鄱陽(yáng)湖濕地是中國(guó)最大的淡水湖生態(tài)濕地,是陸地上重要的有機(jī)碳庫(kù),土壤中有機(jī)碳的密度很高,可以在較長(zhǎng)的時(shí)間里儲(chǔ)存碳,其土壤中有機(jī)碳含量的變化反映了大氣中氧氣和二氧化碳的動(dòng)態(tài)平衡。隨著人們對(duì)濕地碳循環(huán)的日益關(guān)注,及時(shí)精準(zhǔn)的獲取有機(jī)碳含量也成為了一項(xiàng)重要的研究課題。隨著遙感技術(shù),尤其是高光譜遙感技術(shù)的廣泛應(yīng)用,其光譜分辨率高和波段多的優(yōu)勢(shì)為我們提供了一種準(zhǔn)確,快速,無(wú)損的方法去及時(shí)有效的獲得土壤有機(jī)碳含量指標(biāo)。然而,土壤高光譜反映的是土壤理化性質(zhì)的綜合信息,如何有效地在具有復(fù)雜性質(zhì)的光譜中準(zhǔn)確提取出土壤有機(jī)碳的特征光譜和敏感信息已成為當(dāng)務(wù)之急。這對(duì)于降低土壤有機(jī)碳估算模型的復(fù)雜性,提高估算模型的精確度具有深遠(yuǎn)的理論意義,對(duì)于實(shí)現(xiàn)區(qū)域范圍或單一田塊土壤有機(jī)碳的快速監(jiān)測(cè)具有重要的應(yīng)用價(jià)值。本研究圍繞上述熱點(diǎn)與難點(diǎn),以江西省鄱陽(yáng)湖流域濕地土壤為研究對(duì)象,選擇246個(gè)采樣點(diǎn)在原位靜態(tài)利用ASD FielDSpec Pro FR型光譜儀采集其原位vis-NIR光譜,然后在實(shí)驗(yàn)室經(jīng)風(fēng)干、研磨、過(guò)篩處理后采集其室內(nèi)光譜,同時(shí)利用化學(xué)方法獲得所有樣本有機(jī)碳含量數(shù)據(jù),研究基于原位vis-NIR光譜對(duì)土壤有機(jī)碳(OC)進(jìn)行預(yù)測(cè)的可行性。接下來(lái)分別采用吸收率轉(zhuǎn)換(Absorptivity conversion)、SG卷積平滑(Savitzky-Golay smoothing)、吸收率轉(zhuǎn)換+SG(Absorptivity conversion+Savitzky-Golay smoothing)、一階微分+SG(First derivative+SG)、連續(xù)統(tǒng)去除(Continuous removal)五種方法進(jìn)行光譜數(shù)據(jù)的預(yù)處理,將處理后的光譜數(shù)據(jù)分別進(jìn)行線性偏最小二乘回歸(Partial Least Square Regression,PLSR)和非線性最小二乘-支持向量機(jī)回歸(Least Square Support Vector Machine Regression,LS-SVMR)建模分析,對(duì)同一種模型,縱向比對(duì)不同預(yù)處理方法對(duì)模型精度的影響;對(duì)同一種預(yù)處理方法,橫向比對(duì)不同模型的預(yù)測(cè)效果。同時(shí),比較室內(nèi)及野外原位光譜在在相同預(yù)處理方法下的建模精度。在此基礎(chǔ)上,采用額外參數(shù)正交化法(External parameter orthognolization,EPO)、光譜轉(zhuǎn)換法,其中又分為直接轉(zhuǎn)換(Direct Standardization,DS)以及分段轉(zhuǎn)換(Piecewise Direct Standardization,PDS),廣義最小二乘加權(quán)算法(Generalized least squares weighting algorithm,GLSW)四種方法對(duì)吸收率轉(zhuǎn)換后的原位光譜中的環(huán)境影響因素進(jìn)行去除。最后,將經(jīng)過(guò)去水分后的原始光譜進(jìn)行偏最小二乘回歸建模,并對(duì)比四種去水分算法處理后的建模精度。研究發(fā)現(xiàn):(1)在使用連續(xù)統(tǒng)去除(即去包絡(luò)線消除)算法后,光譜吸收特征開(kāi)始凸顯,尤其是在1450nm和1940nm波段附近,而這兩處正是水分存在的波段,原始光譜和和經(jīng)過(guò)連續(xù)統(tǒng)去除后的光譜出現(xiàn)了較大差異。其中,野外原為光譜在水分波段處的吸收谷要明顯大于經(jīng)連續(xù)統(tǒng)去除后的室內(nèi)光譜,究其原因,濕地土壤長(zhǎng)期浸水導(dǎo)致了這一現(xiàn)象。wavelength t檢驗(yàn)也驗(yàn)證了這一結(jié)果。因此可以斷定,水分因素是鄱陽(yáng)湖濕地原位光譜測(cè)量過(guò)程中的主要環(huán)境影響因素。(2)在所有光譜預(yù)處理方法中,經(jīng)吸收率轉(zhuǎn)換+SG平滑處理后的光譜建模精度最高。對(duì)原位光譜而言,經(jīng)過(guò)吸收率轉(zhuǎn)換+SG平滑處理后所建立的PLSR模型相比未經(jīng)處理所建立的模型RPD由1.96提升到2.52,R~2由0.74提升到0.84;其次提升最大的是經(jīng)一階微分+SG平滑處理后的光譜,其RPD由1.96提升到2.34,R~2由0.74提升到0.81;兩種預(yù)處理方法皆可較大幅度提升OC預(yù)測(cè)建模精度,達(dá)到有效的定量預(yù)測(cè)的目的。同時(shí),對(duì)比幾種光譜預(yù)處理方法,我們還發(fā)現(xiàn)單一的處理方法對(duì)建模精度的提升要弱于兩種預(yù)處理相結(jié)合的方法,這是因?yàn)閮煞N相結(jié)合的方法既兼顧到光譜特征的放大,又平衡了噪聲和無(wú)效信息的引入。(3)無(wú)論是對(duì)室內(nèi)光譜還是原位光譜,基于非線性的數(shù)據(jù)挖掘算法LS-SVM所建立的模型在預(yù)測(cè)精度上要優(yōu)于基于線性的數(shù)據(jù)挖掘算法PLSR所建立的模型。將野外原位光譜與室內(nèi)光譜建模結(jié)果對(duì)比后發(fā)現(xiàn),每一種預(yù)處理方法下的室內(nèi)光譜的預(yù)測(cè)精度都要優(yōu)于野外原位光譜。這是因?yàn)楣庾V數(shù)據(jù)由于其高維屬性的特征,導(dǎo)致其與有機(jī)碳含量之間的關(guān)系十分復(fù)雜,常規(guī)線性方法往往難以對(duì)土壤的vis-NIR光譜進(jìn)行解析。而非線性的數(shù)據(jù)挖掘算法由于具有較強(qiáng)的分布式數(shù)據(jù)運(yùn)算處理以及學(xué)習(xí)能力,在大型特種空間的運(yùn)算當(dāng)中能充分逼近復(fù)雜的非線性關(guān)系。同時(shí),因?yàn)槭覂?nèi)光譜消除了環(huán)境因素(尤其是水分)對(duì)SOC光譜特征的遮蓋,從而增加了對(duì)SOC光譜信息的有效提取,導(dǎo)致室內(nèi)光譜的預(yù)測(cè)精度要優(yōu)于原位光譜。(4)經(jīng)四種去水分算法處理后的原始吸收率光譜都能建立較高精度的有機(jī)碳預(yù)測(cè)模型,其中經(jīng)EPO和GLSW處理后的原始光譜建模精度提升最大,同只經(jīng)過(guò)簡(jiǎn)單吸收率轉(zhuǎn)換處理后的光譜相比,EPO處理后的光譜建模精度R~2可以達(dá)到0.84,RPD可以達(dá)到2.55;GLSW處理后的光譜建模精度R~2可以達(dá)到0.81,略低于EPO,RPD則達(dá)到2.58,高于EPO。在四種算法中,EPO、DS和PDS需要從整個(gè)樣本集中選擇具有代表性的小部分樣本帶回實(shí)驗(yàn)室,分別獲取其野外原位光譜和室內(nèi)光譜,通過(guò)兩者的對(duì)應(yīng)關(guān)系建立轉(zhuǎn)換矩陣,同時(shí)計(jì)算轉(zhuǎn)換系數(shù)。GLSW則利用樣本全集一一對(duì)應(yīng)建立濾波矩陣。研究發(fā)現(xiàn),在建立轉(zhuǎn)換矩陣的過(guò)程中,PDS轉(zhuǎn)換后的光譜出現(xiàn)了奇異銳峰,可能會(huì)影響到接下來(lái)的建模精度,對(duì)PDS光譜進(jìn)行一階微分處理可以消除這種情況。四種算法處理后的建模精度從低到高排列分別是DS、PDS、EPO、GLSW。
【學(xué)位單位】：江西財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類(lèi)】：S153.6
【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國(guó)內(nèi)外相關(guān)研究進(jìn)展
        1.3.1 基于室內(nèi)vis-NIR高光譜技術(shù)的土壤屬性預(yù)測(cè)研究進(jìn)展
        1.3.2 基于原位vis-NIR高光譜技術(shù)的土壤屬性預(yù)測(cè)研究進(jìn)展
        1.3.3 土壤屬性原位vis-NIR光譜建模水分去除研究進(jìn)展
    1.4 研究目標(biāo)及內(nèi)容
        1.4.1 研究目標(biāo)
        1.4.2 研究?jī)?nèi)容
        1.4.3 研究技術(shù)路線
2 主要理論和研究方法
    2.1 基于vis-NIR光譜的土壤近地傳感器技術(shù)基本原理
    2.2 研究方法
        2.2.1 土壤光譜預(yù)處理方法
        2.2.2 建模集與驗(yàn)證集的劃分
        2.2.3 土壤光譜預(yù)測(cè)建模技術(shù)
        2.2.4 土壤光譜水分影響因素去除研究
        2.2.5 光譜模型精度評(píng)價(jià)方法
3 研究區(qū)概況和數(shù)據(jù)獲取
    3.1 研究區(qū)概況
    3.2 數(shù)據(jù)獲取與處理
        3.2.1 土壤樣本采集
        3.2.2 土壤有機(jī)碳理化數(shù)據(jù)分析
        3.2.3 土壤vis-NIR光譜數(shù)據(jù)測(cè)定
        3.2.4 土壤vis-NIR光譜數(shù)據(jù)分析及預(yù)處理
4 鄱陽(yáng)湖濕地土壤有機(jī)碳原位光譜預(yù)測(cè)建模分析
    4.1 基于PLSR室內(nèi)及原位光譜建模分析
        4.1.1 PLSR最佳因子數(shù)的確定
        4.1.2 基于原位光譜的PLSR模型預(yù)測(cè)結(jié)果
        4.1.3 與基于室內(nèi)光譜PLSR模型的比較
    4.2 基于LS-SVM的室內(nèi)及原位光譜建模分析
        4.2.1 基于野外原位光譜的LS-SVM模型預(yù)測(cè)結(jié)果
        4.2.2 與基于室內(nèi)光譜LS-SVM模型的比較
    4.3 基于原位光譜的PLSR與 LS-SVM建模精度比較
    4.4 本章小結(jié)
5 基于多水分去除算法的原位光譜土壤有機(jī)碳預(yù)測(cè)研究
    5.1 轉(zhuǎn)換子集的選取
    5.2 利用額外參數(shù)正交化算法（EPO）去除野外原位光譜中土壤水分的影響
    5.3 利用光譜轉(zhuǎn)換法去除野外原位光譜中土壤水分的影響
        5.3.1 光譜直接轉(zhuǎn)換法（DS）
        5.3.2 光譜間接轉(zhuǎn)換法（PDS）
    5.4 利用廣義最小二乘加權(quán)算法去除野外原位光譜中土壤水分的影響
    5.5 不同水分去除算法的預(yù)測(cè)精度比較
    5.6 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 創(chuàng)新點(diǎn)
    6.3 研究的不足與展望
        6.3.1 研究不足
        6.3.2 研究展望
參考文獻(xiàn)
攻讀碩士期間研究成果
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊?lèi)?ài)霞;丁建麗;;新疆艾比湖濕地土壤有機(jī)碳含量的光譜測(cè)定方法對(duì)比[J];農(nóng)業(yè)工程學(xué)報(bào);2015年18期

2 張娟娟;熊淑萍;時(shí)雷;馬新明;王高;;基于近紅外光譜分析的土壤全氮含量估測(cè)研究[J];土壤;2015年04期

3 劉其琛;穆煒煒;;最小二乘支持向量機(jī)的核函數(shù)及參數(shù)選擇算法研究[J];電腦知識(shí)與技術(shù);2015年19期

4 劉碩;吳泉源;張龍龍;蔡?hào)|全;周歷媛;劉娜;曹學(xué)江;;基于野外實(shí)測(cè)光譜的污灌區(qū)土壤重金屬污染快速監(jiān)測(cè)[J];安全與環(huán)境學(xué)報(bào);2015年02期

5 何東健;陳煦;任嘉琛;王梅嘉;;土壤速效磷含量近紅外光譜田間快速測(cè)定方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年03期

6 盧延年;劉艷芳;陳奕云;姜慶虎;;江漢平原土壤有機(jī)碳含量高光譜預(yù)測(cè)模型優(yōu)選[J];中國(guó)農(nóng)學(xué)通報(bào);2014年26期

7 郭燕;紀(jì)文君;吳宏海;史舟;;基于野外Vis-NIR光譜的土壤有機(jī)質(zhì)預(yù)測(cè)與制圖[J];光譜學(xué)與光譜分析;2013年04期

8 安曉飛;李民贊;鄭立華;劉玉萌;孫紅;;土壤水分對(duì)近紅外光譜實(shí)時(shí)檢測(cè)土壤全氮的影響研究[J];光譜學(xué)與光譜分析;2013年03期

9 紀(jì)文君;李曦;李成學(xué);周銀;史舟;;基于全譜數(shù)據(jù)挖掘技術(shù)的土壤有機(jī)質(zhì)高光譜預(yù)測(cè)建模研究[J];光譜學(xué)與光譜分析;2012年09期

10 紀(jì)文君;史舟;周清;周煉清;;幾種不同類(lèi)型土壤的VIS-NIR光譜特性及有機(jī)質(zhì)響應(yīng)波段[J];紅外與毫米波學(xué)報(bào);2012年03期

本文編號(hào)：2859866